COVID-19 Data Analysis

Numero di Riproduzione

Stime di Rt.

Max Pierini, Alessio Pamovio

Leggi qui per dettagli generali

Legenda:

  • $R_t$ numero di riproduzione effettivo
    • Rosso: maggiore di 1
    • Verde: minore di 1

Rt con MCMC

Vedi Modello Predittivo per dettagli sul metodo di calcolo di $R_t$ con Markov chain Monte Carlo (MCMC).

Italia

Abruzzo

Basilicata

Calabria

Campania

Emilia-Romagna

Friuli Venezia Giulia

Lazio

Liguria

Lombardia

Marche

Molise

P.A. Bolzano

P.A. Trento

Piemonte

Puglia

Sardegna

Sicilia

Toscana

Umbria

Valle d'Aosta

Veneto

SOMMARIO

Rt bayesiano

Italia: $R_t$ (numero di riproduzione effettivo nel tempo $t$) stimato con metodo bayesiano (Bettencourt & Ribeiro 2008 e Kevin Systrom 2020).

Dettagli metodo: italian (PDF)


ML High_50 Low_50
denominazione_regione
Abruzzo 1.39 1.62 1.16
Basilicata 1.41 1.79 1.02
Calabria 1.40 1.71 1.10
Campania 1.27 1.39 1.14
Emilia-Romagna 1.20 1.37 1.03
Friuli Venezia Giulia 1.23 1.48 0.99
Lazio 1.32 1.46 1.17
Liguria 1.33 1.50 1.16
Lombardia 1.44 1.54 1.35
Marche 1.32 1.57 1.06
Molise 1.50 1.91 1.08
P.A. Bolzano 1.41 1.66 1.14
P.A. Trento 1.09 1.42 0.75
Piemonte 1.37 1.51 1.23
Puglia 1.24 1.44 1.05
Sardegna 1.07 1.31 0.82
Sicilia 1.27 1.45 1.10
Toscana 1.12 1.27 0.97
Umbria 1.18 1.41 0.94
Valle d'Aosta 1.40 1.76 1.04
Veneto 1.19 1.34 1.04

ML High_50 Low_50
denominazione_regione
Abruzzo 1.608571 1.852857 1.361429
Basilicata 1.330000 1.731429 0.911429
Calabria 1.554286 1.875714 1.228571
Campania 1.362857 1.494286 1.230000
Emilia-Romagna 1.395714 1.571429 1.221429
Friuli Venezia Giulia 1.407143 1.657143 1.151429
Lazio 1.435714 1.590000 1.281429
Liguria 1.504286 1.681429 1.322857
Lombardia 1.705714 1.808571 1.602857
Marche 1.455714 1.725714 1.190000
Molise 1.645714 2.094286 1.187143
P.A. Bolzano 1.600000 1.872857 1.325714
P.A. Trento 1.078571 1.411429 0.735714
Piemonte 1.565714 1.715714 1.415714
Puglia 1.337143 1.540000 1.135714
Sardegna 1.170000 1.415714 0.921429
Sicilia 1.420000 1.598571 1.238571
Toscana 1.334286 1.492857 1.180000
Umbria 1.394286 1.635714 1.150000
Valle d'Aosta 1.652857 2.037143 1.268571
Veneto 1.348571 1.501429 1.195714

Rt come ODDS

Effective reproduction number $R_t$ can be considered as an ODD: if for example $R_t=2$, means like in gambling that the likelihood of contagion is "given 2 to 1", so an infected will infect 2 susceptible subjects.

For the effect of the serial interval $\tau$ (onset of symptoms, diagnosis, etc), new cases $k_t$ observed in day $t$ have been infected in $t-\tau$ by the current new cases observed in $t-\tau$ (because old cases are supposed to be hospitalized, isolated, recovered or dead) so, with this simple method, in $t$ we can calculate the $R_{t-\tau}$.

$$ R_{t-\tau} = \frac{k_{t}}{k_{t-\tau}} $$

Work in progress: distribute serial interval $\tau$ as Gamma and new cases $k_t$ as Poisson.


© 2020 Max Pierini. Thanks to Sandra Mazzoli & Alessio Pamovio

Exported from Italia/stime_Rt.ipynb committed by maxdevblock on Sun Oct 18 23:27:18 2020 revision 68, e8f0044